C++ 系列课：字符与字符串 by 小彭老师（ @archibate ） 课件 & 代码： https://github.com/parallel101/course 上期回顾： https://www.bilibili.com/video/BV1m34y157wb 课程安排 1. vector 容器初体验 & 迭代器入门 (BV1qF411T7sd) 2. 你所不知道的 7. C++ 标准输入输出流 & 字符串格式化 8. traits 技术，用户自定义迭代器与算法 9. allocator ，内存管理与对象生命周期 ASCII 码 第 1 章 计算机如何表达字符 https://zh.wikipedia.org/wiki/ASCII 计算机如何表达字符 • 众所周知，计算机只能处理二进制 整数，字符要怎么办呢？ • 于是就有了 ASCII 码表，他规定， 每个英文字符（包括大小写字母、 数字、特殊符号）都对应着一个整 数。在计算机里只要存储这个的整 数，就能代表这个字符了。 • 例如 32 代表空格， 48 代表 ‘ 0’ ， 65 代表 ‘ A’ ， 97 代表 ‘ a’…… • 32~126 这些整数就用于是表示这些 可显示字符 (printable character) 的。 计算机如何表达字符 • 除了可显示字符 (printable

. . . . . . . . . . . . . . . . . . . . . 57 普通字符 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58 特殊字符 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78 原始字符串字面量 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78 自定义字面量 . . 注意：弃用并非彻底不能用，只是用于暗示程序员这些特性将从未来的标准中消失，应该尽 量避免使用。但是，已弃用的特性依然是标准库的一部分，并且出于兼容性的考虑，大部分 特性其实会『永久』保留。 • 不再允许字符串字面值常量赋值给一个 char *。如果需要用字符串字面值常量赋值和初始化一个 char *，应该使用 const char * 或者 auto。 char *str = "hello world!"; // 将出现弃用警告

52 3.3 数字编码 * . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53 3.4 字符编码 * . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58 3.5 小结 . . . 对数阶常见于分治算法。例如归并排序，输入长度为 ? 的数组，每轮递归将数组从中点划分为两半，形成高 度为 log ? 的递归树，使用 ?(log ?) 栈帧空间。 再例如将数字转化为字符串，输入一个正整数 ? ，它的位数为 log10 ?+1 ，即对应字符串长度为 log10 ?+1 ，因此空间复杂度为 ?(log10 ? + 1) = ?(log ?) 。 2.4.4 权衡时间与空间 理想情况下，我们希望算法 CPU 可以直接进行运算的类型，在算法中直接被使用，主要包括以下几种类型。 ‧ 整数类型 byte、short、int、long 。 ‧ 浮点数类型 float、double ，用于表示小数。 ‧ 字符类型 char ，用于表示各种语言的字母、标点符号、甚至表情符号等。 ‧ 布尔类型 bool ，用于表示“是”与“否”判断。 基本数据类型以二进制的形式存储在计算机中。一个二进制位即为 1 比特。在绝大多数现代系统中，1

54 3.3 数字编码 * . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55 3.4 字符编码 * . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60 3.5 小结 . . . 对数阶常见于分治算法。例如归并排序，输入长度为 ? 的数组，每轮递归将数组从中点处划分为两半，形成 高度为 log ? 的递归树，使用 ?(log ?) 栈帧空间。 再例如将数字转化为字符串，输入一个正整数 ? ，它的位数为 ⌊log10 ?⌋ + 1 ，即对应字符串长度为 ⌊log10 ?⌋ + 1 ，因此空间复杂度为 ?(log10 ? + 1) = ?(log ?) 。 2.4.4 权衡时间与空间 理想情况下，我 CPU 可以直接进行运算的类型，在算法中直接被使用，主要包括以下几种。 ‧ 整数类型 byte、short、int、long 。 ‧ 浮点数类型 float、double ，用于表示小数。 ‧ 字符类型 char ，用于表示各种语言的字母、标点符号甚至表情符号等。 ‧ 布尔类型 bool ，用于表示“是”与“否”判断。 基本数据类型以二进制的形式存储在计算机中。一个二进制位即为 1 比特。在绝大多数现代操作系统中，1

54 3.3 数字编码 * . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55 3.4 字符编码 * . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60 3.5 小结 . . . 对数阶常见于分治算法。例如归并排序，输入长度为 ? 的数组，每轮递归将数组从中点处划分为两半，形成 高度为 log ? 的递归树，使用 ?(log ?) 栈帧空间。 再例如将数字转化为字符串，输入一个正整数 ? ，它的位数为 ⌊log10 ?⌋ + 1 ，即对应字符串长度为 ⌊log10 ?⌋ + 1 ，因此空间复杂度为 ?(log10 ? + 1) = ?(log ?) 。 2.4.4 权衡时间与空间 理想情况下，我 CPU 可以直接进行运算的类型，在算法中直接被使用，主要包括以下几种。 ‧ 整数类型 byte、short、int、long 。 ‧ 浮点数类型 float、double ，用于表示小数。 ‧ 字符类型 char ，用于表示各种语言的字母、标点符号甚至表情符号等。 ‧ 布尔类型 bool ，用于表示“是”与“否”判断。 基本数据类型以二进制的形式存储在计算机中。一个二进制位即为 1 比特。在绝大多数现代操作系统中，1

54 3.3 数字编码 * . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55 3.4 字符编码 * . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60 3.5 小结 . . . 对数阶常见于分治算法。例如归并排序，输入长度为 ? 的数组，每轮递归将数组从中点处划分为两半，形成 高度为 log ? 的递归树，使用 ?(log ?) 栈帧空间。 再例如将数字转化为字符串，输入一个正整数 ? ，它的位数为 ⌊log10 ?⌋ + 1 ，即对应字符串长度为 ⌊log10 ?⌋ + 1 ，因此空间复杂度为 ?(log10 ? + 1) = ?(log ?) 。 2.4.4 权衡时间与空间 理想情况下，我 CPU 可以直接进行运算的类型，在算法中直接被使用，主要包括以下几种。 ‧ 整数类型 byte、short、int、long 。 ‧ 浮点数类型 float、double ，用于表示小数。 ‧ 字符类型 char ，用于表示各种语言的字母、标点符号甚至表情符号等。 ‧ 布尔类型 bool ，用于表示“是”与“否”判断。 基本数据类型以二进制的形式存储在计算机中。一个二进制位即为 1 比特。在绝大多数现代操作系统中，1

在計算機中，所有資料都是以二進位制數的形式儲存的，字元 char 也不例外。為了表示字元，我們需要建立 一套“字符集”，規定每個字元和二進位制數之間的一一對應關係。有了字符集之後，計算機就可以透過查表 完成二進位制數到字元的轉換。 3.4.1 ASCII 字符集 ASCII 碼是最早出現的字符集，其全稱為 American Standard Code for Information Interchange（美國 碼僅能夠表示英文。隨著計算機的全球化，誕生了一種能夠表示更多語言的 EASCII 字符集。它 在 ASCII 的 7 位基礎上擴展到 8 位，能夠表示 256 個不同的字元。 在世界範圍內，陸續出現了一批適用於不同地區的 EASCII 字符集。這些字符集的前 128 個字元統一為 ASCII 碼，後 128 個字元定義不同，以適應不同語言的需求。 3.4.2 GBK 字符集 後來人們發現，EASCII 碼仍然無法滿足許 碼仍然無法滿足許多語言的字元數量要求。比如漢字有近十萬個，光日常使用的就 有幾千個。中國國家標準總局於 1980 年釋出了 GB2312 字符集，其收錄了 6763 個漢字，基本滿足了漢字的 計算機處理需要。 然而，GB2312 無法處理部分罕見字和繁體字。GBK 字符集是在 GB2312 的基礎上擴展得到的，它共收錄了 21886 個漢字。在 GBK 的編碼方案中，ASCII 字元使用一個位元組表示，漢字使用兩個位元組表示。

3.3. 数字编码 * . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41 3.4. 字符编码 * . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45 3.5. 小结 . . 例如“归并排序”算法，输入长度为 ? 的数组，每轮递归将数组从中点划分为两半，形成高度为 log ? 的递 归树，使用 ?(log ?) 栈帧空间。 再例如“数字转化为字符串”，输入任意正整数 ? ，它的位数为 log10 ? ，即对应字符串长度为 log10 ? ，因 此空间复杂度为 ?(log10 ?) = ?(log ?) 。 2.3.4. 权衡时间与空间 理想情况下，我们希望算法的时间复 可以直接进行运算的类型，在算法中直接被使用。它包括： ‧ 整数类型 byte , short , int , long 。 ‧ 浮点数类型 float , double ，用于表示小数。 ‧ 字符类型 char ，用于表示各种语言的字母、标点符号、甚至表情符号等。 ‧ 布尔类型 bool ，用于表示“是”与“否”判断。 所有基本数据类型都以二进制的形式存储在计算机中。在计算机中，我们将 1

16 位 int 32 位 32 位 32 位 32 位 long 32 位 64 位 32 位 32 位 long long 64 位 64 位 64 位 64 位 char 又称字符类型，可以表示一个字符，因而得名。 short 是短整数类型，大小为 16 位或者说 2 字节。 int 是整数类型，大小为 32 位或者说 4 字节。 long long 是超长整数类型，大小为 64 位或者说 变化的。 • 如果 64 位系统上 size_t 还是 uint32_t ，那就无法表示超过 4GB 大小的数组了。 • 今日乳 ja 笑话： java 的字符串常量不能超过 65535 个字符，因为他们是用 uint16_t 表示字符串长 度。 • 因此对于表示”长度”、”大小”的用途，可以用 size_t 这个直观的名字，他和 uintptr_t 等价 。 • size_t 是标准库大量使用的用于表示大小的类型，例如 的错误：不会编译时检测参数类型是否正确 • 第一个 bug 是， printf 其实不知道他的参数是什 么类型，他只看到你字符串里写的 “ %f” ，会误以 为输入的是 float 参数。 • 如果你输入的是 3 这样的 int 类型常量， C 语 言不会帮你检测到他和 “ %f” 其实是不匹配的，而 是直接把 int 类型的 4 个字节推到栈上作为 printf 的参数，而 printf 却会把这

分离声明和定义，直接写在头 文件里即可。如果分离还要罗 列出所有模板参数的排列组合 ，违背了开 - 闭原则。 模板的惰性：延迟编译 • 要证明模板的惰性，只需看这个例子： • 要是编译器哪怕细看了一眼：字符串怎么可能被写入呢？肯定是会出错的。 • 但是却没有出错，这是因为模板没有被调用，所以不会被实际编译！ • 而只有当 main 调用了这个函数，才会被编译，才会报错！ • 用一个假模板实现延迟 variant ：判断当前是哪个类型用 v.index() • 除了这个之外，还可以用成员方法 index() 获取当前是参数列表中的第几个类型。这 样也可以实现判断。 variant ：批量匹配 std::visit • 如果你的 if-else 每个分支长得都差不多（除了 std::get<> 的类型不一样以外），可以考虑用 std::visit ，他会自动用相应的类型，调用你的 名著不看红楼梦，后面我忘了，总 之就是只能度过一个相对失败的人 生 :) std::visit ：还支持多个参数 • 其实还可以有多个 variant 作为参数。 • 相应地 lambda 的参数数量要与之匹配。 • std::visit 会自动罗列出所有的排列组合！ • 所以如果 variant 有 n 个类型，那 lambda 就要被编译 n² 次，编译可能会 变慢。 • 但是标准库能保证运行时是